• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于U-Net的輸電線覆冰識別

    2021-07-29 03:06:36莊紅軍張偉杜昊李克明周海魯彩江
    電力大數(shù)據(jù) 2021年4期
    關(guān)鍵詞:輸電線卷積精度

    莊紅軍,張偉,杜昊,李克明,周海,魯彩江

    (1.貴州電網(wǎng)有限責任公司畢節(jié)供電局,貴州 畢節(jié) 330006;2.貴州電網(wǎng)有限責任公司,貴州 貴陽 550002;3.西南交通大學機械工程學院機電測控系,四川 成都 610036)

    受空氣氣溫等各種環(huán)境的綜合影響,在冬季溫度低、水汽充足的情況下,附著在電力線上的過冷水滴由于釋放潛熱而固化最終極易形成覆冰。而寒冷時節(jié),大量覆冰可能引發(fā)電力線路斷股、絕緣子倒轉(zhuǎn)甚至桿塔傾斜或倒塌,造成重大安全事故[1]。

    目前國內(nèi)外對覆冰電力線識別的研究取得了重大進展。傳統(tǒng)的做法是用數(shù)字圖像處理的方法來檢測覆冰電力線,如自適應閾值分割、形態(tài)學濾波[2],但這兩種算法只能從背景簡單的圖像中檢測出覆冰電力線且無識別功能;LOG算子[3]、融合多尺度小波變換[4]的邊緣檢測算法結(jié)合Hough直線檢測可以很好地識別出覆冰電力線邊緣,但Hough直線檢測易受閾值大小、復雜背景的影響;依照“先驗特征”先對電力線區(qū)域進行分割后再用Hough直線檢測可以消除復雜背景的影響、結(jié)合最小二乘法的Hough直線檢測算法可以有效解決Hough直線檢測受閾值大小影響的問題,但Hough直線檢測對于形狀各異的覆冰(帶有冰柱、邊緣為曲線)則無法識別。

    深度學習中的語義分割具有準確度高的特點,尤其在U-Net網(wǎng)絡結(jié)構(gòu)被提出后,該網(wǎng)絡一直在圖像分割領(lǐng)域因其優(yōu)異表現(xiàn)受到人們的關(guān)注。語義分割其目標是對圖像中的每一個像素分配語義標簽[5],雖然輸電線的覆冰形狀各異也可準確的識別。為準確識別輸電線的覆冰,本文提出了一種基于改進的U-net輸電線路覆冰識別方法?;诰矸e神經(jīng)網(wǎng)絡的開山之作全卷積神經(jīng)網(wǎng)路FCN[6],網(wǎng)絡結(jié)構(gòu)如圖1所示,首次提出了反卷積的概念,對最后一層卷積層的輸出特征實施上采樣直至恢復原始輸入圖像大??;另外,為了提高分割的精度,F(xiàn)CN還引入了Skip結(jié)構(gòu),分別FCN還使用skip結(jié)構(gòu),將卷積層第5層的32倍、第4層的16倍和第3層的8倍上采樣特征圖融合在一起,這些低層次的特征信息的加入使得分割結(jié)果更為精細[7]。

    圖1 FCN網(wǎng)絡結(jié)構(gòu)Fig.1 FCN network structure

    1 U-Net神經(jīng)網(wǎng)絡介紹

    圖像分割簡單來說就是選擇出同一區(qū)域的圖像并且施加標記,為后續(xù)的視覺分析過程做準備?;谏疃葘W習的語義分割方法,所需數(shù)據(jù)集往往非常大,而且要達到較高精度的識別要求,經(jīng)常需要數(shù)天甚至數(shù)周的訓練時間。因此如何針對覆冰線路、小樣本、非規(guī)則結(jié)冰的圖像進行語義分割一直是覆冰線路識別的難題。而近些年來,適用于小數(shù)據(jù)集的U-net作為全卷積神經(jīng)網(wǎng)絡的一種變形,通過對圖片中單個像素進行分析處理,加以分類,可以顯著提高目標的準確率,因此對于深度學習中較少樣本的覆冰導線識別有很大幫助,并且與其他網(wǎng)絡結(jié)構(gòu)相比,U-net的檢測速度,大大提高。經(jīng)典的U-net是一個2D全卷積神經(jīng)網(wǎng)絡,由于生物醫(yī)學采樣代價高,采樣數(shù)量小的特點,特別適合采用U-net處理生物醫(yī)學圖像分割網(wǎng)絡,同樣的,當然適用于其他采樣率低的領(lǐng)域[8]。鑒于此,本文基于改進 U-net 語義分割的輸電線路覆冰識別,對下采樣、上采樣做出了改進,以實現(xiàn)對形狀各異的覆冰線路進行快速準確的識別。

    1.2 下采樣

    下采樣的目的是提取輸電線覆冰的特征以便于分類,通常是通過連續(xù)的卷積、池化實現(xiàn)[9]。卷積,其過程是多個卷積核在輸入特征上作滑動操作,對滑動過程中覆蓋的區(qū)域作乘加運算,當滑動操作遍歷了整個輸入特征最終得到該卷積層的輸出特征,最后將這些特征輸入到下一個卷積層做進一步的運算。其計算公式如下:

    y(i,j)=∑s∑tw(s,t)f(i+s,j+t)+b

    (1)

    上式中y(i,j)為輸出的特征值,w(s,t)為卷積核的值,f(i+s,j+t)為輸入特征值,b為偏置。假設輸入特征的大小W×W,卷積核的大小為F×F,步長為S,填充的像素數(shù)為P,則輸出特征的大小N為:

    (2)

    在卷積操作后,往往會增加一個池化層,對卷積后的輸出特征進行壓縮,提取主要特征[10],在提取特征的同時使特征圖變小,減小參數(shù)量,從而簡化整個網(wǎng)絡的計算復雜度。

    1.3 上采樣

    在下采樣中,通過連續(xù)的卷積與池化完成特征的提取,隨著網(wǎng)絡的加深,提取到的特征維數(shù)越來越多、而尺寸卻越來越小。與此相反,上采樣是使特征從小變大的操作,常用的上采樣包括反池化、雙線性插值和反卷積等[11]。U-Net可以保留池化的具體信息,而這些信息保留了圖像的位置信息,使用這些圖像的信息實現(xiàn)上采樣,一方面會提高語義分割的精度,另一方面會減小網(wǎng)絡的計算量,但同時也會增加計算機內(nèi)存的消耗,提高準確性。在U-Net網(wǎng)絡中,使用反卷積來完成上采樣,以擴大特征的尺寸恢復至原圖大小。如圖2所示為反卷積過程的示意圖,對于一個3×3的輸入特征,使用3×3的卷積核,步長為2、填充為1時,最終輸出特征的尺寸為5×5。

    圖2 反卷積過程示意圖Fig.2 Schematic diagram of the deconvolution process

    1.4 U-Net網(wǎng)絡結(jié)構(gòu)

    U-Net對FCN網(wǎng)絡進行了改進所提出網(wǎng)絡結(jié)構(gòu)。由于其強大的性能表現(xiàn),廣泛應用于醫(yī)療診斷、自動駕駛、遙感分析等領(lǐng)域。其網(wǎng)絡結(jié)構(gòu)如圖3所示,它由左半邊的下采樣和右半邊的上采樣兩部分組成,因其網(wǎng)絡結(jié)構(gòu)呈U型,故稱作U-Net。下采樣部分是典型的卷積神經(jīng)網(wǎng)絡結(jié)構(gòu),它重復采用2個3×3的卷積層和1個最大池化層的結(jié)構(gòu),在每經(jīng)過一次池化操作后特征圖的維數(shù)就增加1倍、大小縮小1倍;在該部分經(jīng)過4次池化后特征的尺寸由416×416變?yōu)?6×26,縮小為前者的1/16。在上采樣部分,通過連續(xù)的卷積與池化,雖然提取到了有利于像素點分類的高層次特征,但同時也丟失了與目標物體邊緣、位置等相關(guān)的細節(jié)信息[12],故需要上采樣恢復特征尺寸的大?。皇紫?,對下采樣的1/16倍特征運用反卷積上采樣得到1/8特征,然后將上采樣得到的1/8特征與下采樣的1/8特征進行拼接,并用連續(xù)的2個卷積層進行特征提取,緊接著再次使用反卷積上采樣得到1/4特征;并重復上述過程直至得到與輸入圖像相同大小的特征。

    圖3 U-Net網(wǎng)絡結(jié)構(gòu)Fig.3 U-Net network structure

    在網(wǎng)絡的最后,需對特征進行歸一化處理到0-1之間。在深度學習中,尤其是多分類場景,softmax函數(shù)常常被用來對輸入數(shù)據(jù)作歸一化處理[13],它能將多通道的輸入數(shù)據(jù)歸一化到0-1之間,得到預測概率,且每個通道上的值的總和也為1。其表達式如下式所示:

    (3)

    上式中xi為某個像素的一個通道的值,yi為預測概率,C為通道數(shù)。

    U-Net所需訓練樣本較少,速度快,比滑動卷積網(wǎng)絡效果更好.使用輸電線圖像和對應的分割圖譜來訓練網(wǎng)絡。最后運用Softmax函數(shù)完成對圖片中每個像素進行分類,低層次的特征信息的加入使得分割結(jié)果更為精細。

    2 實驗參數(shù)設置

    損失函數(shù)用于描述模型的預測值和真實值之間的差距大小,在本文中,選用均值平方差(Mean Squared Error,MSE)作為損失函數(shù),均值平方差也叫均方誤差[14],簡單來說就是求取每一個預測值與真實值之差平方的平均值,如式所示,其中f(xi)是預測值,yi是真實值,MSE的值越小,表明模型越好。

    (4)

    選用Adam算法對訓練過程中的參數(shù)進行更新,Adam通過計算梯度的一階矩估計和二階矩估計為不同的參數(shù)設計獨立的自適應學習率,其參數(shù)更新方式如下:

    (5)

    上式中β1、β2分別為一階矩估計vt和二階矩估計st的指數(shù)衰減因子,α為初始學習率,ε是為了防止分母為0的非常小的正數(shù)。為了加快模型的收斂速度,本文選用Adam算法作為參數(shù)優(yōu)化器,并設置參數(shù)β1=0.9,β2=0.999,α=0.001,ε=10E-8。

    3 實驗結(jié)果及分析

    為了驗證改進的U-net網(wǎng)絡模型在覆冰線路識別中的優(yōu)越性和可行性,本文進行了仿真實驗,為了模擬真實的電力線路覆冰環(huán)境,特意在戶外搭建實驗測試平臺,模擬輸電線路結(jié)冰環(huán)境,選取一定覆冰厚度的導線,架設相機,順光拍攝,盡可能避免建筑物、植物、天空等干擾背景,然后進行圖像采集。

    3.1 數(shù)據(jù)源

    首先,根據(jù)模擬覆冰環(huán)境,拍攝覆冰導線,收集相機拍攝的圖片,由于需要的照片數(shù)量居多。常??刂葡鄼C轉(zhuǎn)動一定角度以改變相機位置獲得不同圖片,所以拍照的照片,往往會有覆冰圖像模糊、目標不明顯或者拍攝角度不佳等問題,因此需要進行清晰的可視化處理,從照片集中篩選出結(jié)冰邊緣分辨率高并且視野在整體圖像中適宜居中的圖片,以便后期對圖像中輸電線路的結(jié)冰邊緣部分分析。覆冰輸電線上結(jié)冰邊緣是本實驗的研究重點,邊緣的識別決定了識別的精確度。所以在選擇數(shù)據(jù)集時,主要選擇輸電線覆冰清晰可見。

    其次,通過攝像儀采集覆冰線路的表面情況,采集的線路圖像尺寸為3840×2160,如果直接使用原始覆冰線路圖像進行深度學習,由于處理的數(shù)據(jù)量龐大,會極大地增加網(wǎng)絡模型的訓練與使用時間,從而降低識別效率;但是如果縮小原始覆冰圖像的尺寸以后,在進行基于改進U-net網(wǎng)絡的深度學習,圖像會丟失很多覆冰的特征,從而減少模型可以學習的原始特征,最后導致深度學習的識別性能不佳[15]。為避免出現(xiàn)以上兩種現(xiàn)象,本文最終采取對原始覆冰圖像進行切分的方法,這樣不僅可以在降低處理數(shù)據(jù)的基礎(chǔ)上保留覆冰圖像的特征,還增加了覆冰線路原始數(shù)據(jù)的多樣性。

    最終制作了輸電線覆冰數(shù)據(jù)集,該數(shù)據(jù)集包含輸電線、覆冰和背景三類對象,包括800張訓練集200張驗證集和200張測試集。在仿真實驗中,通過搭建的覆冰導線實驗臺獲取覆冰線路圖像數(shù)據(jù)后進行網(wǎng)絡模型的訓練和測試,進而驗證改進U-net網(wǎng)絡模型在線路覆冰圖像識別中的優(yōu)越性。

    3.2 檢測結(jié)果分析

    對U-Net網(wǎng)絡的訓練過程中的參數(shù)設置如上節(jié)所述,使用均方平方差作為損失函數(shù)、Adam算法作為優(yōu)化器,使用方向傳播算法進行訓練。在訓練過程中對驗證集的損失值和準確度進行監(jiān)控,其值變化曲線圖如圖4所示:藍色的線為訓練過程中的損失值,對于訓練集,當最開始訓練epoch=0時loss值較大為3.48,隨著訓練次數(shù)的增多,loss值整體呈現(xiàn)快速減小趨勢,直到epoch=62時loss值降為0.105,此時模型收斂停止訓練;紅色曲線為機器學習訓練過程中驗證集上的準確度,當模型收斂時在測試集上的準確度為0.98。

    圖4 訓練損失值與準確度隨著迭代次數(shù)的變化

    用收斂的模型在測試集上作測試,最終的實驗結(jié)果如圖5所示:該圖分為三橫排,從上到下依此為原圖、標簽圖和U-Net網(wǎng)絡的識別結(jié)果,其中標簽圖由語義分割標注軟件labelme經(jīng)過精細標注得到,紅色的區(qū)域為輸電線覆冰,綠色的區(qū)域為輸電線,黑色區(qū)域則為背景。從最終的識別結(jié)果,我們可以看出,基于U-Net的輸電線覆冰識別方法,能夠在復雜的背景下準確無誤的識別出輸電線覆冰,而傳統(tǒng)的依靠邊緣檢測+Hough直線的數(shù)字圖像處理方法在這種情況下識別效果較差,因此基于U-Net的輸電線覆冰識別方法適應性更強,具有較好的現(xiàn)場應用價值。

    圖5 U-Net網(wǎng)絡在測試集上識別結(jié)果Fig.5 U-Net network recognition results on the test set

    當覆冰識別模型分別在訓練集和驗證集上收斂后,我們用上面的測試集測試該覆冰模型的精度。近些年以來,語義分割任務發(fā)展出許多標準可以從不同方面衡量識別算法的精度,常用的有像素精度、均像素精度、均交并比和頻權(quán)交并比,其中,均交并比因其分割精度的顯著提高收到大多數(shù)語義分割研究人員的喜愛。因此,本文使用語義分割領(lǐng)域常用的評價指標均交并比(Mean Intersection over Union,MIoU)來評價該算法的識別精度[16]。其定義如下,為了方便描述,假設共有k+1類(從L0到LK,其中包含背景類),pij表示屬于i類但被預測為j類的像素個數(shù),pii表示預測正確的像素數(shù),而pij、pji分別表示分類錯誤的正樣本和分類錯誤的負樣本[13],則MIoU的值:

    (6)

    U-Net在輸電線覆冰數(shù)據(jù)集上的識別精度如表1所示,MIoU值為80.1%。于編碼網(wǎng)絡的低層次特征具有大小、方向等位置信息,融合這些位置信息進一步提高了分割的精度。

    表1 U-Net在輸電線覆冰數(shù)據(jù)集上的識別精度Tab.1 U-Net's recognition accuracy on the transmission line icing data set

    從表1可以看出,本文所采用的U-Net卷積網(wǎng)絡模型在覆冰數(shù)據(jù)集的識別方面取得了優(yōu)異的表現(xiàn),均交并比的指標較好。主要原因是傳統(tǒng)的FCN網(wǎng)絡在對覆冰圖像多次下采樣的過程中丟失了部分特征信息,并且對圖片的跳躍結(jié)構(gòu)的上采樣以后,圖片結(jié)果比較模糊,而且圖像細節(jié)也不敏感;而U-Net對下采樣、上采樣做出了改進,在下采樣中,通過連續(xù)的卷積與池化完成特征的提取,使用反卷積來完成上采樣,以擴大特征的尺寸恢復至原圖大小,大大提高均交并比[17]。

    為了進一步說明基于改進的U-net輸電線覆冰識別的有效性,本文分別對簡單背景和復雜背景的輸電線覆冰圖像分割結(jié)果進行比較分析,如表2。分析發(fā)現(xiàn),對于簡單背景的輸電線覆冰,F(xiàn)CN檢測方法也能達到一定檢測效果,但由于下采樣過程中,池化層的擴大導致了部分覆冰圖像信息的丟失,一些與覆冰信息部分相近的背景被誤檢為覆冰;相比于U-net檢測方法,基于改進的U-net網(wǎng)絡的輸電線覆冰識別方法可以有效的排除相近背景對覆冰的干擾,有效分割出背景,檢測結(jié)果良好。對于復雜背景的輸電線覆冰,F(xiàn)CN檢測方法同樣由于池化層的擴大,導致了部分覆冰圖像信息的丟失,容易將導線覆冰周圍部分誤檢為導線覆冰,難以排除復雜相近的背景影響,干擾較大;相比于FCN檢測方法,基于改進的U-net網(wǎng)絡的輸電線覆冰識別方法,用連續(xù)的卷積與池化,提取到了有利于像素點分類的高層次特征,雖然有位置信息的丟失,但是能夠排除復雜背景和遮擋物的干擾,同時上采樣恢復特征尺寸有效分割出覆冰圖像,檢測效果良好。

    表2 輸電線覆冰識別效果對比Tab.2 Comparison of icing recognition effect on transmission lines

    從表2可看出,基于改進的U-net網(wǎng)絡覆冰識別算法較FCN檢測算法在識別精度上有了一定的提高?;谏倭扛脖鶊D像數(shù)據(jù)訓練模型,實現(xiàn)了對覆冰導線快速準確檢測。通過FCN與改進的U-net比較可以發(fā)現(xiàn)[18-20],本文算法在識別精度上有了一定的提高。從檢測結(jié)果與人工實地驗證可知,對于不同背景類別的覆冰導線覆冰都具有很強的魯棒性,基于統(tǒng)計結(jié)果,檢測準確率達到了85.9%以上,該算法具有較高的可靠性。另外,可以發(fā)現(xiàn),用該方法來識別輸電線覆冰不可避免會帶來誤差?;谝陨戏治觯梢圆扇∫韵碌姆椒▉硖岣吒脖R別的準確度:首先,我們可以提高相機的分辨率,提高監(jiān)控圖像的分辨率可以提升測量精度;其次,對覆冰識別方法進行進一步研究,提高算法的準確度,進而提高覆冰檢測的精度。

    4 結(jié)論

    (1)本文首先總結(jié)了通過視覺對輸電線覆冰識別的研究進展,并分析了輸電線覆冰識別利用傳統(tǒng)的數(shù)字圖像處理和深度學習方法的優(yōu)缺點,最終確定了基于U-Net的輸電線路覆冰識別方法,充分發(fā)揮深度學習的語義分割在覆冰導線領(lǐng)域識別卓越優(yōu)勢。

    (2)提出將語義分割算法應用在輸電線覆冰檢測中,通過下采樣網(wǎng)絡提取覆冰特征、上采樣網(wǎng)絡恢復圖像大小,能在更大的圖像范圍上進行特征提取,同時上采樣時融合了低層次特征以提高最終分割精度;在訓練過程中使用均方誤差作為損失函數(shù)、Adam優(yōu)化算法對網(wǎng)絡參數(shù)進行更新研究了基于U-Net的輸電線覆冰識別方法,選用均方差作為損失函數(shù),Adam法作為優(yōu)化器對網(wǎng)絡的參數(shù)進行更新。

    (3)在輸電線覆冰數(shù)據(jù)集上的實驗結(jié)果表明,該方法能夠在復雜的噪聲下準確無誤的識別出輸電線覆冰,其MIoU值為80.1%,相對于傳統(tǒng)的基于數(shù)字圖像處理的方法,本方法識別速度較快,加快了運算資源,優(yōu)化提升了模型的訓練與識別速度和效率,運行時間滿足工程化的需求具有更好的應用價值。

    (4)本文基于改進的U-net網(wǎng)絡,基于少量的覆冰導線數(shù)據(jù),實現(xiàn)了隨覆冰導線快速準確檢測。通過與FCN算法測試比較,可以發(fā)現(xiàn)本文算法在識別精度上有了一定的提高, 提升了輸電線覆冰識別智能化檢測準確度。

    猜你喜歡
    輸電線卷積精度
    基于3D-Winograd的快速卷積算法設計及FPGA實現(xiàn)
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于DSPIC33F微處理器的采集精度的提高
    電子制作(2018年11期)2018-08-04 03:25:38
    基于傅里葉域卷積表示的目標跟蹤算法
    GPS/GLONASS/BDS組合PPP精度分析
    高壓架空輸電線磁場環(huán)境分析
    基于時域波形特征的輸電線雷擊識別
    電測與儀表(2015年2期)2015-04-09 11:28:50
    改進的Goldschmidt雙精度浮點除法器
    降低輸電線雷電侵入波的仿真分析
    基于小波多分辨率分析的輸電線距離保護
    電測與儀表(2014年2期)2014-04-04 09:04:08
    日韩人妻高清精品专区| 亚洲精品国产成人久久av| 亚洲最大成人av| 天天躁日日操中文字幕| 夜夜夜夜夜久久久久| 色尼玛亚洲综合影院| 亚洲欧美成人精品一区二区| 中文字幕av成人在线电影| 免费电影在线观看免费观看| 天天躁日日操中文字幕| 晚上一个人看的免费电影| 午夜日韩欧美国产| 日日啪夜夜撸| 国产亚洲91精品色在线| 久久九九热精品免费| 九九爱精品视频在线观看| 精品少妇黑人巨大在线播放 | 欧美激情国产日韩精品一区| 亚洲av中文av极速乱| 欧美精品国产亚洲| 亚洲人与动物交配视频| 亚洲欧美成人精品一区二区| 久久人人精品亚洲av| 国产精品爽爽va在线观看网站| 麻豆成人午夜福利视频| 国产av麻豆久久久久久久| 亚洲一区二区三区色噜噜| 丰满的人妻完整版| 午夜免费激情av| 精品人妻一区二区三区麻豆 | 天美传媒精品一区二区| 日本黄色片子视频| 天天一区二区日本电影三级| 婷婷色综合大香蕉| 亚洲高清免费不卡视频| 最近最新中文字幕大全电影3| 老熟妇乱子伦视频在线观看| 91久久精品电影网| 国产精品,欧美在线| 欧美一区二区亚洲| 亚洲精品国产av成人精品 | 丰满乱子伦码专区| 亚洲成a人片在线一区二区| 天堂av国产一区二区熟女人妻| 悠悠久久av| 天堂√8在线中文| 免费观看的影片在线观看| 国产 一区 欧美 日韩| 国产精品1区2区在线观看.| 婷婷色综合大香蕉| 一区二区三区四区激情视频 | 日韩精品中文字幕看吧| 精品一区二区免费观看| 中国美女看黄片| 别揉我奶头 嗯啊视频| 不卡视频在线观看欧美| 国产高清激情床上av| 99久久无色码亚洲精品果冻| 亚洲国产精品国产精品| 永久网站在线| 哪里可以看免费的av片| 国产淫片久久久久久久久| 国产又黄又爽又无遮挡在线| 日韩欧美 国产精品| 哪里可以看免费的av片| 日本撒尿小便嘘嘘汇集6| 中文字幕av在线有码专区| 亚洲精品亚洲一区二区| 日本a在线网址| 一级av片app| 特级一级黄色大片| 99久久精品热视频| 18禁在线无遮挡免费观看视频 | 亚洲内射少妇av| 99久国产av精品国产电影| 国产成人a区在线观看| 日本黄色视频三级网站网址| 国产精品三级大全| 成人鲁丝片一二三区免费| 熟妇人妻久久中文字幕3abv| 精品一区二区免费观看| 99riav亚洲国产免费| 国产综合懂色| 久久欧美精品欧美久久欧美| 久久6这里有精品| 免费黄网站久久成人精品| 大香蕉久久网| 国产私拍福利视频在线观看| 国产精品美女特级片免费视频播放器| 欧美人与善性xxx| 18禁黄网站禁片免费观看直播| 男女之事视频高清在线观看| 特大巨黑吊av在线直播| h日本视频在线播放| 男女做爰动态图高潮gif福利片| 欧美xxxx黑人xx丫x性爽| 最近最新中文字幕大全电影3| 国产成人精品久久久久久| 亚洲18禁久久av| 简卡轻食公司| 欧美高清成人免费视频www| 日本五十路高清| 久久久精品94久久精品| 女的被弄到高潮叫床怎么办| 国产午夜福利久久久久久| 99在线人妻在线中文字幕| 狂野欧美白嫩少妇大欣赏| 91在线观看av| 久久婷婷人人爽人人干人人爱| 午夜福利在线观看吧| 国内久久婷婷六月综合欲色啪| 你懂的网址亚洲精品在线观看 | 久久99热这里只有精品18| 欧美成人一区二区免费高清观看| 免费一级毛片在线播放高清视频| 18禁黄网站禁片免费观看直播| 毛片一级片免费看久久久久| 国产精品电影一区二区三区| 婷婷色综合大香蕉| 禁无遮挡网站| av在线亚洲专区| 久久精品久久久久久噜噜老黄 | 亚洲av第一区精品v没综合| 午夜精品国产一区二区电影 | 国内少妇人妻偷人精品xxx网站| 桃色一区二区三区在线观看| 成年版毛片免费区| 有码 亚洲区| 99热全是精品| 亚洲欧美日韩东京热| 精品一区二区免费观看| 国产淫片久久久久久久久| 97超碰精品成人国产| 欧美日韩精品成人综合77777| 少妇裸体淫交视频免费看高清| 蜜桃亚洲精品一区二区三区| 亚洲一区二区三区色噜噜| a级毛片免费高清观看在线播放| 中文字幕精品亚洲无线码一区| 麻豆一二三区av精品| 亚洲精品日韩在线中文字幕 | 干丝袜人妻中文字幕| 国产成人freesex在线 | 中文资源天堂在线| eeuss影院久久| 久久午夜福利片| 又爽又黄a免费视频| 国产视频一区二区在线看| 国产高清视频在线观看网站| 特大巨黑吊av在线直播| 免费在线观看影片大全网站| av在线播放精品| 精品久久久久久久久久久久久| 中文亚洲av片在线观看爽| 亚洲熟妇中文字幕五十中出| 99久国产av精品| 精品不卡国产一区二区三区| 狂野欧美激情性xxxx在线观看| 国产69精品久久久久777片| 国语自产精品视频在线第100页| 久久精品国产清高在天天线| 少妇熟女欧美另类| 全区人妻精品视频| 99九九线精品视频在线观看视频| 老女人水多毛片| 成人av一区二区三区在线看| 嫩草影院入口| 真人做人爱边吃奶动态| 日韩制服骚丝袜av| 美女cb高潮喷水在线观看| 国产精品久久久久久久久免| 免费观看在线日韩| 国产高清视频在线观看网站| 插阴视频在线观看视频| 91在线观看av| 亚洲av成人av| 色av中文字幕| 1000部很黄的大片| 丝袜美腿在线中文| 亚洲av中文字字幕乱码综合| 婷婷六月久久综合丁香| 精品人妻熟女av久视频| 精品福利观看| 亚洲精品国产成人久久av| 成熟少妇高潮喷水视频| 国产女主播在线喷水免费视频网站 | 成人二区视频| 亚洲欧美精品自产自拍| 日本免费a在线| 天堂影院成人在线观看| 免费看a级黄色片| 久久午夜福利片| 国产探花在线观看一区二区| 久久这里只有精品中国| 97超级碰碰碰精品色视频在线观看| 免费无遮挡裸体视频| 五月玫瑰六月丁香| 欧美另类亚洲清纯唯美| 91午夜精品亚洲一区二区三区| 天美传媒精品一区二区| 国产精品电影一区二区三区| 搡女人真爽免费视频火全软件 | 在线观看66精品国产| 哪里可以看免费的av片| 中出人妻视频一区二区| 中文字幕av成人在线电影| 少妇猛男粗大的猛烈进出视频 | 三级国产精品欧美在线观看| 校园人妻丝袜中文字幕| 国产欧美日韩精品一区二区| 一区福利在线观看| 精品人妻熟女av久视频| 99视频精品全部免费 在线| 噜噜噜噜噜久久久久久91| 精品99又大又爽又粗少妇毛片| 身体一侧抽搐| 欧美激情在线99| 国产欧美日韩精品一区二区| 一进一出好大好爽视频| 国产中年淑女户外野战色| 欧美最新免费一区二区三区| 在线观看美女被高潮喷水网站| 99久久成人亚洲精品观看| 男女啪啪激烈高潮av片| 在线观看午夜福利视频| 伊人久久精品亚洲午夜| 国产一区二区在线av高清观看| 免费黄网站久久成人精品| ponron亚洲| 69人妻影院| 一级毛片aaaaaa免费看小| 成人三级黄色视频| 国产真实乱freesex| 久久鲁丝午夜福利片| 亚洲内射少妇av| 色av中文字幕| 国产男靠女视频免费网站| 国产精华一区二区三区| 欧美日韩国产亚洲二区| 长腿黑丝高跟| 国产综合懂色| 午夜a级毛片| 国产黄色视频一区二区在线观看 | 搡老熟女国产l中国老女人| 99久久精品热视频| 国产精品久久久久久久久免| 久久欧美精品欧美久久欧美| 亚洲国产色片| 亚洲av五月六月丁香网| 免费大片18禁| av专区在线播放| 久久精品夜夜夜夜夜久久蜜豆| 成人av在线播放网站| 亚洲经典国产精华液单| 综合色丁香网| 成人精品一区二区免费| 亚洲熟妇中文字幕五十中出| 精品久久久久久久久久久久久| 日日啪夜夜撸| 国产美女午夜福利| 国语自产精品视频在线第100页| 综合色av麻豆| 99热精品在线国产| 久久久久久久久大av| 久久久国产成人精品二区| 色哟哟哟哟哟哟| 丝袜美腿在线中文| 尾随美女入室| 精品久久久久久久久av| 国产精品永久免费网站| 91av网一区二区| 国产人妻一区二区三区在| 看十八女毛片水多多多| 最近中文字幕高清免费大全6| 99精品在免费线老司机午夜| 69人妻影院| 欧美最黄视频在线播放免费| 久久中文看片网| 精品午夜福利视频在线观看一区| 亚洲美女黄片视频| 美女cb高潮喷水在线观看| 欧美激情久久久久久爽电影| 在线观看美女被高潮喷水网站| 精品国内亚洲2022精品成人| 日本 av在线| 97超级碰碰碰精品色视频在线观看| 免费观看在线日韩| 春色校园在线视频观看| av天堂中文字幕网| 男女视频在线观看网站免费| 欧美绝顶高潮抽搐喷水| 国产精品女同一区二区软件| 精品国内亚洲2022精品成人| 国产欧美日韩精品亚洲av| 久久精品国产亚洲av天美| 神马国产精品三级电影在线观看| 午夜爱爱视频在线播放| 一个人看的www免费观看视频| 亚洲无线在线观看| 小蜜桃在线观看免费完整版高清| 亚洲精品色激情综合| 亚洲av不卡在线观看| 日产精品乱码卡一卡2卡三| 男插女下体视频免费在线播放| 免费无遮挡裸体视频| 美女xxoo啪啪120秒动态图| 99精品在免费线老司机午夜| 在线免费观看的www视频| 校园春色视频在线观看| 亚洲精品成人久久久久久| 免费在线观看成人毛片| 在线观看免费视频日本深夜| 国产精品,欧美在线| 毛片一级片免费看久久久久| 淫妇啪啪啪对白视频| 国产精品久久久久久久电影| 变态另类丝袜制服| 熟女人妻精品中文字幕| 亚洲欧美成人精品一区二区| 日本色播在线视频| 亚洲va在线va天堂va国产| 免费一级毛片在线播放高清视频| 村上凉子中文字幕在线| 免费人成视频x8x8入口观看| 精品久久久噜噜| 国产三级在线视频| 一区二区三区免费毛片| 黄色欧美视频在线观看| 最好的美女福利视频网| 最近视频中文字幕2019在线8| 在现免费观看毛片| 国产精品国产高清国产av| 天堂动漫精品| 99久国产av精品| 婷婷精品国产亚洲av在线| 国产真实乱freesex| 日本黄大片高清| 亚洲va在线va天堂va国产| 国产精品人妻久久久久久| 一a级毛片在线观看| 久久久国产成人免费| 精品久久久久久久人妻蜜臀av| 精华霜和精华液先用哪个| 午夜福利视频1000在线观看| 久久亚洲国产成人精品v| 免费av毛片视频| 精品人妻熟女av久视频| 黄色配什么色好看| 国产成人91sexporn| 在线免费十八禁| 内射极品少妇av片p| 亚洲综合色惰| 三级毛片av免费| 女同久久另类99精品国产91| 校园人妻丝袜中文字幕| 日韩大尺度精品在线看网址| 精品人妻视频免费看| 国产成人a∨麻豆精品| 日韩大尺度精品在线看网址| 亚洲自拍偷在线| 美女cb高潮喷水在线观看| 欧美日本视频| 精品乱码久久久久久99久播| 麻豆乱淫一区二区| 在线观看免费视频日本深夜| 舔av片在线| 国产精品永久免费网站| 久久99热这里只有精品18| 国产91av在线免费观看| 免费av毛片视频| 色尼玛亚洲综合影院| 日韩制服骚丝袜av| 日本一本二区三区精品| 欧美精品国产亚洲| 波多野结衣巨乳人妻| 亚洲无线在线观看| 成人精品一区二区免费| 久久久久久大精品| 久久久久免费精品人妻一区二区| av在线天堂中文字幕| 亚洲欧美成人精品一区二区| 美女xxoo啪啪120秒动态图| 国产午夜精品论理片| 欧美性猛交╳xxx乱大交人| 亚洲精华国产精华液的使用体验 | 少妇人妻精品综合一区二区 | 久久精品夜夜夜夜夜久久蜜豆| 人妻久久中文字幕网| 欧美日韩在线观看h| 在现免费观看毛片| 黄色日韩在线| a级毛片免费高清观看在线播放| 国产91av在线免费观看| 一进一出抽搐gif免费好疼| 亚洲欧美日韩卡通动漫| 免费人成在线观看视频色| 久久精品夜夜夜夜夜久久蜜豆| 国产成人aa在线观看| av福利片在线观看| 我要看日韩黄色一级片| 国产久久久一区二区三区| 欧美又色又爽又黄视频| 最后的刺客免费高清国语| 国产午夜精品论理片| АⅤ资源中文在线天堂| 欧美成人免费av一区二区三区| 免费在线观看影片大全网站| 免费人成视频x8x8入口观看| 波多野结衣巨乳人妻| 香蕉av资源在线| 又爽又黄无遮挡网站| 午夜福利在线观看免费完整高清在 | 精品一区二区免费观看| 亚洲不卡免费看| 菩萨蛮人人尽说江南好唐韦庄 | 春色校园在线视频观看| 两个人的视频大全免费| 少妇人妻精品综合一区二区 | 午夜a级毛片| 一卡2卡三卡四卡精品乱码亚洲| avwww免费| 99热这里只有精品一区| 日日撸夜夜添| 免费观看精品视频网站| 综合色av麻豆| 国产探花极品一区二区| 97热精品久久久久久| 国产精品久久久久久久电影| 成人av在线播放网站| 日日啪夜夜撸| 夜夜夜夜夜久久久久| 3wmmmm亚洲av在线观看| 一卡2卡三卡四卡精品乱码亚洲| 成人国产麻豆网| 免费黄网站久久成人精品| 日韩欧美一区二区三区在线观看| 啦啦啦观看免费观看视频高清| 亚洲av成人av| 亚洲无线观看免费| av视频在线观看入口| 欧美最新免费一区二区三区| 男人的好看免费观看在线视频| 麻豆久久精品国产亚洲av| 国产淫片久久久久久久久| 18禁黄网站禁片免费观看直播| 国产日本99.免费观看| 午夜福利18| 午夜福利成人在线免费观看| 国产精品国产三级国产av玫瑰| 又爽又黄a免费视频| 十八禁网站免费在线| 天堂网av新在线| 亚洲最大成人av| 国产探花极品一区二区| 久久午夜福利片| 欧美区成人在线视频| 精品欧美国产一区二区三| 亚洲精品日韩在线中文字幕 | 亚洲最大成人中文| 最后的刺客免费高清国语| 日韩欧美 国产精品| 99热全是精品| 国产精品av视频在线免费观看| 久久久a久久爽久久v久久| 国产亚洲91精品色在线| 色5月婷婷丁香| 最近中文字幕高清免费大全6| 成人亚洲欧美一区二区av| 精品一区二区三区视频在线| 久久久午夜欧美精品| 亚洲av电影不卡..在线观看| 精品午夜福利在线看| 小蜜桃在线观看免费完整版高清| 欧美激情在线99| 精品熟女少妇av免费看| 最近的中文字幕免费完整| 97人妻精品一区二区三区麻豆| 高清毛片免费看| 亚洲国产欧洲综合997久久,| 中文资源天堂在线| 嫩草影院入口| 日韩人妻高清精品专区| 午夜精品国产一区二区电影 | 偷拍熟女少妇极品色| 伦理电影大哥的女人| 久久九九热精品免费| 国产av在哪里看| 精品午夜福利视频在线观看一区| 香蕉av资源在线| 啦啦啦韩国在线观看视频| 俄罗斯特黄特色一大片| 免费av不卡在线播放| 老司机影院成人| av中文乱码字幕在线| 欧美另类亚洲清纯唯美| 国产高清视频在线观看网站| 欧美人与善性xxx| 精品久久久久久久末码| 人妻夜夜爽99麻豆av| 免费看av在线观看网站| 在线免费观看的www视频| 亚洲丝袜综合中文字幕| 99国产精品一区二区蜜桃av| 午夜福利在线观看免费完整高清在 | 美女高潮的动态| 国产高清激情床上av| 欧美潮喷喷水| 69人妻影院| 国产一级毛片七仙女欲春2| 久久精品国产亚洲网站| 国产精品av视频在线免费观看| 欧美潮喷喷水| 两个人视频免费观看高清| 国产精品久久久久久久电影| 国产精品一二三区在线看| 婷婷六月久久综合丁香| 亚洲av中文字字幕乱码综合| 一个人观看的视频www高清免费观看| 精品一区二区三区视频在线观看免费| 99热这里只有是精品在线观看| 国产成人91sexporn| 国产精品野战在线观看| 夜夜爽天天搞| 嫩草影视91久久| 老司机午夜福利在线观看视频| 黑人高潮一二区| 亚洲,欧美,日韩| 亚洲精品久久国产高清桃花| 99国产极品粉嫩在线观看| 又爽又黄a免费视频| 国产精品日韩av在线免费观看| 日韩精品中文字幕看吧| 能在线免费观看的黄片| 男人舔女人下体高潮全视频| 国产欧美日韩精品一区二区| 国产精品久久久久久av不卡| 久久久久久九九精品二区国产| 欧美另类亚洲清纯唯美| 国产精品日韩av在线免费观看| 久久久久国产精品人妻aⅴ院| 亚洲av免费高清在线观看| 久久国产乱子免费精品| 亚洲av成人精品一区久久| 噜噜噜噜噜久久久久久91| 在线观看免费视频日本深夜| 非洲黑人性xxxx精品又粗又长| 免费看a级黄色片| 亚洲av不卡在线观看| 婷婷精品国产亚洲av在线| 亚洲av免费在线观看| 精品久久久久久成人av| 久久这里只有精品中国| 欧美国产日韩亚洲一区| 男人舔女人下体高潮全视频| 午夜精品国产一区二区电影 | 国产v大片淫在线免费观看| www日本黄色视频网| 亚洲国产精品国产精品| 99久久中文字幕三级久久日本| 亚洲在线自拍视频| 国产精品日韩av在线免费观看| 中文字幕av在线有码专区| 欧美一区二区亚洲| 看免费成人av毛片| 最后的刺客免费高清国语| 欧美日韩一区二区视频在线观看视频在线 | 又爽又黄a免费视频| 国产精品免费一区二区三区在线| 久久久久久久亚洲中文字幕| 国产国拍精品亚洲av在线观看| 欧美激情国产日韩精品一区| 精品一区二区三区视频在线| 男人舔女人下体高潮全视频| 亚洲中文日韩欧美视频| 亚洲va在线va天堂va国产| 国产三级在线视频| 国产色婷婷99| 欧美成人a在线观看| 国产精品久久久久久亚洲av鲁大| 国产 一区 欧美 日韩| 嫩草影院新地址| 麻豆久久精品国产亚洲av| 内地一区二区视频在线| a级毛片a级免费在线| 亚洲电影在线观看av| 蜜桃亚洲精品一区二区三区| 久久久久久国产a免费观看| av福利片在线观看| 亚洲一区高清亚洲精品| 床上黄色一级片| 国产精品1区2区在线观看.| 日本黄色片子视频| 国产高清视频在线观看网站| 三级经典国产精品| 在线看三级毛片| 亚洲av免费在线观看| 99久久九九国产精品国产免费| 99热全是精品| 日韩制服骚丝袜av| 精品少妇黑人巨大在线播放 | 一边摸一边抽搐一进一小说| 日本与韩国留学比较| 国产色婷婷99| 午夜福利在线观看吧| 欧美日本亚洲视频在线播放| 天堂网av新在线| 日本a在线网址| 日韩人妻高清精品专区| 级片在线观看| 免费大片18禁| 天天躁夜夜躁狠狠久久av| 久久久a久久爽久久v久久| 91在线精品国自产拍蜜月| 欧美又色又爽又黄视频| 国产色婷婷99|